Hvordan dyb læring hjalp med at kortlægge hvert solpanel i USA

Kategori: Kunstig intelligens Udsendt 20. dec

Deep learning er blevet brugt til at identificere 1,47 millioner solcelleanlæg i hele USA, hvilket overstiger det seneste estimat på 1,02 millioner.

Hvad er nyt: Solpaneler bliver mere og mere populære i hele USA, men det har vist sig svært at udpege deres nøjagtige antal. Forskere fra Stanford University har fået os meget tættere på, takket være en nyt system kaldet DeepSolar , som bruger deep learning til at scanne satellitbilleder for solpaneler.

Sådan virkede det: Holdet trænede DeepSolar på 370.000 satellitbilleder ved at lære det, hvilke der omfattede solpaneler. Programmet fandt derefter ud af, hvordan man kunne se solpaneler, og fandt dem korrekt 93 % af tiden. Det tog omkring en måned for systemet at scanne den milliard billeder, der var nødvendige for at nå sit endelige tal.

Bruger: Kortene kunne hjælpe os med bedre at forstå udbredelsen af ​​solenergi i USA. I fremtiden planlægger forskerne at bruge deres system til at lave solkort for andre lande og måske implementere det til at lokalisere vindmøller og anden energiinfrastruktur.

Denne historie dukkede først op i vores nyhedsbrev The Download. Tilmeld dig her for at få din daglige dosis af det seneste inden for ny teknologi.